ecommerce-video-skills：13 个 Skill 把商品图做成带货短视频，成片在本地跑 ffmpeg

做一条带货短视频，「帮我写条保温杯的抖音脚本」这步人人都会——真正堆在后面的是另外一整串：钩子怎么开场、卖点怎么排分镜、镜头提示词怎么投喂给图生视频模型、配音字幕从哪来、最后用什么把素材拼成 1080×1920 的成片。视频号「机核圣典」10 月 17 日推荐的 xianyu110/ecommerce-video-skills（MIT，Python，截至 2026-10-17 约 78 star）把这串活拆成了 13 个可单独安装的 Agent Skill，挂到 Claude Code / Codex / Cursor 上，从写钩子到导出成片一条龙；最实在的一点是成片这一步不交给云端——Python 脚本在本地调 ffmpeg 把视频真正剪出来，全程不需要任何 API Key。

核心功能

输入是几张商品图，输出是带配音、字幕、BGM 的 9:16 成片。核心功能分四段：

• 选题与脚本：viral-remake 丢一条爆款链接或转写进去，拆出 5-beat 结构再换成你的商品，直接产出可渲染的 storyboard.json；hook-3s-script 一次给 6–10 版前三秒开场并标出推荐项，内置广告法绝对化用语自检。
• 分镜与镜头：selling-point-storyboard 按 15/30/60 秒结构公式排分镜，一镜一个信息；multi-model-shot-prompts 把同一份分镜适配到 Seedance、可灵、Veo、Runway 等模型，第一步先锁商品的形状、颜色和 Logo，减少「视频很酷但商品变了」，每个镜头都有本地 Ken Burns 动画兜底，不依赖任何付费模型也能出片。
• 配音与字幕：ai-voiceover-edge-tts 用微软 edge-tts 逐句配音（免费、无需 Key），subtitles-and-text-effects 生成四种 ASS 样式的字幕和花字，自动避开各平台的底部商品卡和右侧按钮。
• 成片与分发：ffmpeg-auto-assemble 是流水线的终点——xfade 转场、BGM 自动闪避、两遍响度标准化到约 -14 LUFS，一条命令出 MP4 加 SRT 字幕；platform-spec-export 支持抖音 / TikTok Shop / 视频号 / 小红书 / 淘宝主图视频 / Amazon 六种规格导出，live-stream-clips 能把直播录像按时间戳或字幕关键词切成竖屏高光切片，cover-title-ab 自动挑干净帧生成封面 A/B 对比图，multilingual-dubbing 加上 line_en 字段就能用 --lang en 渲染英文版，给东南亚、日韩、拉美市场的音色都列好了。

典型使用场景

• 一个人做店、要在抖音 / TikTok Shop / 视频号 / 小红书多平台铺竖屏带货视频，又雇不起剪辑：整套流水线从图到片都不出本地，配音免费，跑通一次后每天能稳定出片。
• 手上有爆款对标链接、想快速复刻成自己商品的版本：viral-remake 拆结构、hook-3s-script 出钩子，产出的是可渲染的 storyboard.json 而不是一段散文脚本。
• 天天开直播的店：live-stream-clips 把几小时直播录像按时间戳、字幕关键词或停顿位置，切成 30 秒竖屏高光切片。
• 要出海或本地化：multilingual-dubbing 加 line_en 等字段后 --lang en 一键渲染英文版，东南亚、日韩、拉美的音色清单都是现成的。

快速上手

npx skills add xianyu110/ecommerce-video-skills
pip install -r requirements.txt   # pillow、numpy、edge-tts；ffmpeg（含 libass）需自行安装
python scripts/assemble.py examples/aura-bottle/storyboard.json --lang en \
  --voice en-US-AndrewNeural -o out/aura-en.mp4
python scripts/export_platform.py out/aura.mp4 --platform douyin channels xiaohongshu

仓库自带 examples/aura-bottle 示例：6 张图出 17 秒成片，先拿它跑通流水线再换自己的商品。每个 skill 文件夹自带所需脚本、互不依赖，只想用钩子或字幕的就只拷那两个。

小结

它和一堆「提示词合集」的分界线就在成片这步：edge-tts 免费配音、本地渲染、无 Key 可跑，兜底完整（Ken Burns 替代图生视频镜头），代价是真实画面感上限取决于你是否接了图生视频模型。适合一个人做店、要在多平台铺竖屏带货视频但又雇不起剪辑的卖家；需要真实出镜的画面仍要第三方模型，配音、字幕、平台规格也都需要人工校一遍再用。截至 2026-10-17 是 78 star、13 fork，仓库 2026-10-04 创建、10-16 仍有推送，README 把 README 中英双语、13 个 skill 各自带脚本互不依赖也写清楚了，姊妹仓库 ecommerce-image-skills 负责上游的出图（白底主图、场景图、A+），两边正好构成「图 → 视频」的完整链路。

给 agent 的开场白也很直白：用 viral-remake 拆这条抖音爆款，换成我的保温杯复刻一条 15 秒分镜——把需求说成人话，剩下的它自己拆步骤。

仓库里 13 个 skill 中走得更远的两个，值得单独点名：

• lawful-check 角度：hook-3s-script 的广告法自检不是噱头——「最便宜」「第一」这类绝对化用语在带货场景里是真会被罚的，模板内置了这层检查比事后手查省事。
• 直播切片：live-stream-clips 把 3 小时直播录像按时间戳、字幕关键词或停顿位置切成 30 秒竖屏高光，一天播 8 小时的老板用得上这一个 skill 就够回本。

要横向看电商视频自动化的其他路线，MoneyPrinterV2 自动化的是「生成内容到变现」的赚钱流程，思路更激进也更杂；要管批量出片背后的商品和素材库，NocoDB 这类开源数据库更适合当后台。